INFORMATIVE, DULL, INCOMPREHENSIBLE: SEEKING A COMMON VOCABULARY AROUND DATA IN LATER LIFE
Notice bibliographique
Résumé
Abstract With the domestication of digital devices into the everyday, this paper offers critical reflections from two, related studies that both sought to explore how older Canadians communicate their experiences and understandings about the digital technologies and related data they encounter and use. The first study, a virtual, qualitative survey with 70 older Canadians highlighted their understandings of data, and the second, a pilot interview study with 7 older adults in their homes explored how and where data circulates in their everyday lives. Not only do our daily activities and routines rely on data, our routines are often, in turn, converted into data through our many devices (Burgess et al., 2022). Living with data, however, is an experience that differs from person to person and from group to group. Given these differences, how might we communicate about data with different groups? In both studies, we sought to explore and document participants’ own diction, images, metaphors, and concepts they articulate when thinking with and about their own data; giving them a space to speak and share “their own data stories louder than those that are being told about them by others” or by other devices (Thorp, 2021, p. 19). In this paper, we offer our observations on the challenges and difficulties (and potential ways forward) in finding a common vocabulary in research relationships between participants and researchers to speak about data and to the many ways that data circulate in and around older adults’ everyday lives.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,030 | 0,061 |
| Communication savante | 0,016 | 0,018 |
| Science ouverte | 0,004 | 0,023 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».